AI BENCHY 对比
Tencent: Hy3 preview vs Grok 4.1 Fast
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Hy3 preview Hy3 preview high | Grok 4.1 Fast Grok 4.1 Fast medium |
|---|---|---|
| 分数 | 8.0 | 6.5 |
| 排名 | #22 | #87 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.5 | 7.3 |
| 测试正确 | ||
| 尝试通过率 | 77.1% | 61.4% |
| 不稳定测试 | 1 | 6 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 0.000 | 0.644 |
| 总成本 | $0.000 | $0.058 |
| ???? | $0.066 / 1M | $0.000 / 1M |
| ???? | $0.260 / 1M | $0.000 / 1M |
| 输出令牌 | 216,503 | 2,025 |
| 推理令牌 | 0 | 96,679 |
| 响应时间（平均） | 56.77s | 24.01s |
| 响应时间（最大） | 149.94s | 121.79s |
| 响应时间（总计） | 851.49s | 288.18s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 8.9 | 10.0 | 100.0% | 0 | 15.12s | 6,839 | 0 | |
| Grok 4.1 Fast | 8.7 | 7.9 | 91.7% | 1 | 3.81s | 108 | 4,741 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 10.0 | 10.0 | 100.0% | 0 | 99.76s | 38,167 | 0 | |
| Grok 4.1 Fast | 2.3 | 1.1 | 33.3% | 1 | 23.58s | 821 | 6,703 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 10.0 | 10.0 | 100.0% | 0 | 113.09s | 31,319 | 0 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 37.64s | 261 | 12,272 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 6.5 | 10.0 | 50.0% | 0 | 12.11s | 4,323 | 0 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 6.63s | 180 | 5,409 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 5.3 | 7.2 | 44.4% | 1 | 109.04s | 87,559 | 0 | |
| Grok 4.1 Fast | 5.8 | 4.4 | 66.7% | 2 | 121.79s | 11 | 37,657 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Grok 4.1 Fast | 4.2 | 9.9 | 0.0% | 0 | 16.25s | 127 | 3,456 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 9.9 | 10.0 | 100.0% | 0 | 34.02s | 13,331 | 0 | |
| Grok 4.1 Fast | 6.5 | 10.0 | 50.0% | 0 | 5.30s | 55 | 3,489 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 10.0 | 10.0 | 100.0% | 0 | 29.74s | 15,503 | 0 | |
| Grok 4.1 Fast | 5.3 | 7.2 | 44.4% | 1 | 8.08s | 187 | 6,086 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 10.0 | 10.0 | 100.0% | 0 | 78.83s | 10,370 | 0 | |
| Grok 4.1 Fast | 2.8 | 1.6 | 33.3% | 1 | 27.71s | 260 | 11,485 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Hy3 preview | 3.0 | 10.0 | 0.0% | 0 | 47.71s | 9,092 | 0 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 25.52s | 15 | 5,381 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsGPT-5.5lowGPT-5.4mediumvsQwen3.7 MaxnoneGPT-5.2 ChatnonevsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash LiteminimalvsKimi K2.5mediumCobuddymedium免费可用vsOwl AlphanoneGPT-5.4 NanononevsGLM 4.7 FlashmediumDeepSeek V4 Flashhigh免费可用vsKimi K2.6mediumMistral Small 4mediumvsGrok 4.20noneGPT-5.3 ChatnonevsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash LitelowvsGLM 5.1medium